高分子湿度传感器湿滞和温度补偿神经网路算法研究

高分子湿度传感器的感湿特性存在湿滞环,并且传感器对温度比较敏感,需要进行湿度和温度补偿。本文构建了两个BP神经网路分别映射传感器感湿特性的升程和降成,并同时将环境温度参数作为神经网络输入的一部分,实现传感器湿滞映射和温度补偿。利用MATLAB神经网络工具箱对网络进行了离线训练和验证,结果表明该网络能够较理想地映射传感器的湿滞环,并能够达到温度补偿作用。     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

民用汽车拥有量非线性时空组合预测模型

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.     

基于BPNN-MOP模型的区域公路网合理规模预测研究

区域公路网规模是保障交通供给能力的基础,确定合理的路网规模是调节交通供需平衡的关键. 本文从路网发展数量和质量两方面,里程、密度、等级结构三项指标出发,建立了基于BP神经网络与马尔可夫链的公路网里程规模组合预测模型,并采用多目标规划方法对公路网等级结构进行了优化研究. 该方法能够充分挖掘公路网规模演变的宏观调整与微观波动规律,提高了预测的精度和可靠性. 最后本文结合实际案例,对区域特征年公路网的合理规模及结构进行了分析预测. 结果表明,组合预测方法能够较科学、客观地反映公路网发展的数量特征和质量要求,具有一定的理论价值和现实意义.     

小波神经网络在交通标志识别中的运用研究

小波神经网络 小波自80年代提出以来,理论和应用都得到了巨大的发展．小波分析的出现被认为是傅立叶分析的突破性进展。目前,神经网络的理论研究日趋深入,其重要发展方向之一,就是注重与小波、混沌、模糊集等非线性科学理论相结合。小波变换具有时频局部特性和变焦特性,而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力．如何把两者的优势结合起来．一直是人们关注的问题。     

客滚船营运风险的BP神经网络评估

随着客滚船运输行业的兴起,客滚船的营运安全日益受到各方面的关注.本文利用BP神经网络评价方法,对人、船、环境、管理四要素所构成的客滚船营运风险进行评估,最终确定某客滚船具体航次的营运风险.经过验证,基于BP神经网络客滚船营运风险评估方法与实际相符,为客滚船风险评估提供一条新的途径.     

BP神经网络在船舶溢油损害评估中的应用

建立基于船舶溢油污染损害评估的BP神经网络,借助MATLAB语言对该网络进行训练和仿真,并对仿真结果进行误差分析,证明使用BP神经网络对船舶溢油污染损害评估的可行性和实用性.     

基于BP神经网络的DSS焊接应力和收缩变形预测研究

针对川东造船厂化学品船建造中使用特种钢——2205双相不锈钢(DSS),在其焊接试验的基础上分别建立了双相不锈钢焊接应力和收缩变形的BP神经网络预测模型,并与多元线性回归方法进行比较,较好地模拟了焊接残余应力和变形与板厚、焊接电流、电弧电压、焊接速度等工艺参数之间的非线性关系。预测结果表明,BP神经网络比多元线性回归在预测精度和泛化能力上都有很大的提高。     

基于粗模糊神经网络的高速公路路段交通事件识别

高精度、快速的高速公路路段交通事件自动识别将为合理诱导交通流,提高事故救援反应速度提供基础技术支持。设计了一个基于粗模糊神经网络的事故识别算法,用于高速公路路段交通事件识别。首先,利用粗糙集的数据约简技术提取精简的规则,得到系统的原始输入输出数据集。然后,建立交通突发事件识别的模糊神经网络系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围之内。最后,利用VISSIM软件进行系统仿真检测,检测结果表明系统具有良好的应用性能。     

车辆横向稳定性自适应神经网络控制策略研究

设计了一种"前馈+反馈"自适应神经网络控制器,通过直接横摆力矩和前轮主动转向的复合控制来提高车辆横向稳定性。反馈控制器采用PD控制策略,以实际横摆角速度与目标横摆角速度的偏差为输入量;前馈控制器采用RBF神经网络,以反馈控制器的输出为误差进行学习,而实现自适应控制。仿真结果表明,采用上述复合控制,能有效跟踪目标横摆角速度并降低质心侧偏角,提高了车辆在高速急转向时的稳定性。